港中深团队打造新型AI评测集,或可成为数学大模型检验的重要基准
近日,港中来自香港中文大学(深圳)的深团数学一支科研团队通过求解器的引入,把大模型回答的队打大模南宁市某某装饰设计维修站数学模型交给求解器解决,进而通过比对求解器的造新重基准答案,得以成功判断数学模型的型A型检正确性。
这相当于为参加考试的测集成考生准备了高级计算器,只需输入方程就能得出准确答案。港中这样一来,深团数学就可以判断学生所写的队打大模方程是否正确。
基于这个理念,造新重基准该团队构建了一款名为 Mamo 的型A型检评测集,能够结合不同的测集成求解器评测大模型相应的建模能力。
未来,港中南宁市某某装饰设计维修站这一评测集可能会成为数学大模型检验的深团数学重要基准,从而能够用于测试新训练大模型的队打大模建模能力。
同时,本次评测集的出现,也让评测中间过程成为可能,有望带动运筹大模型的发展。
谈及本次课题的初衷,研究人员表示在讨论 AI for math、特别是讨论大模型 for math 的时候,他们重点讨论了使用大模型做定理证明的任务。
借此发现采用现有的形式化定理证明工具,可以自动地验证证明过程的正确性,从而确定大模型的证明是否正确。否则,用自动化的方式判断一段数学证明的正确性是比较困难的。
以此为启发:他们想知道在其他任务中,是否存在和形式化定理证明工具一样的东西?如果有的话,能否让他们以简单的方式判断大模型的答案是否正确?
于是他们想到了求解器。当给定目标之后,求解器可以帮助运行出对应问题/对应方程的解。
通过对不同解答的比对,就可以判断中间过程、也就是判断数学模型的正确性。
此外,一直以来,人们对于大模型的数学能力的比较,一直是在最终结果(即一道题的最终答案)上,但却缺乏对于中间过程的关注。
打个比方,就是像数学考试解答题的判卷中,只考虑最后的答案正不正确,而忽略了中间的解题过程。但是,中间的解题过程和答案一样重要。
因此,课题组希望把这个评价体系拆开,不再只是关注最终答案,而是关注中间的解题过程。于是,便开展了本次研究并发表了相关论文。
图 | 论文作者黄旭函(来源:黄旭函)
日前,相关论文以《Mamo: 一个带有求解器的数学建模基准》(Mamo: a Mathematical Modeling Benchmark with 求解器 s)为题发在arXiv[1]。
图 | 相关论文(来源:arXiv)
下一步,他们将扩充数据,同时探索能够适配 Mamo 的不同求解器种类,以及构建相应的评测集。
参考资料:
1.https://arxiv.org/pdf/2405.13144
(责任编辑:时尚)
- 选手成绩不断提高 美国波士顿马拉松调高参赛标准
- 红旗HS7 PHEV将于6月中下旬正式上市
- һ·????һ·?? ?????й?Ʒ????ǿ??
- 留日学生辱骂国人 自称入职山西税务系统:正在排查
- 国防部:坚决反对借“航行自由”挑衅和危害中国主权
- 哈欠连天?缓解春困,请试试这些方法
- 担心孩子孤独症,如何在家尽早发现?北京儿童医院专家教你识别
- 把饮料当水喝小心中毒 这些症状需警惕
- 特朗普佛州高尔夫俱乐部附近发生枪击事件
- 奥运会系列资格赛令人兴奋,参赛选手期待上海的热烈氛围
- 对话李开复:大模型创业狂奔一年 中美差距缩小 我十年不套现
- 敞篷只需20秒 AMG CLE 53敞篷版官图发布
- 超级月亮来了!2024全国中秋赏月地图发布
- 沪指跌0.21%,创指跌0.95%:海运逆市走强
- 新教师,要学会正确“求关注”
- “B级片之王”罗杰·科曼去世,曾参与制作超500部影片
- 春风十里野菜香 不知不识莫乱吃!
- 国际奥委会发文晒王一博运动照,预热奥运会资格系列赛·上海
- 男子持刀伤害未成年人,深圳警方通报
- 有录网:求学之路的编织者,助力每个优秀学子的留学梦想都落地有声
- 麦卡利斯特社媒:准备好迎接在迈阿密的决赛,阿根廷队加油! views+
- 王思聪带女友现身成人店,偷偷点赞前女友美照,新欢旧爱暗中较劲 views+
- 江宏杰为儿女打造新家,三层别墅装修大气,准备搬离福原爱的旧居 views+
- 英西争冠!英格兰连续两届欧洲杯进决赛,7月15日03:00对决西班牙 views+
- 具俊晔分享20年前的舞蹈,大S为老公点赞,夫妻感情稳定很恩爱 views+
- 《长相思2》:离开清水镇的男人没一个“干净”,小夭一直被牺牲 views+
- 巴黎奥运会中国体育代表团今天在京成立 views+
- 媒体人:前CBA球员孙思尧将加盟日本B1联赛茨城机器人队 views+
- 助力争冠!申花官宣31岁归化国脚费南多租借加盟半年,泰山失王牌 views+
- 马筱梅婚后迎来首个生日,汪小菲送蛋糕显寒酸,带小梅见姐姐弟弟 views+